[發明專利]基于BP神經網絡的實木地板油漆自動配色方法在審
| 申請號: | 201410853890.0 | 申請日: | 2014-12-31 |
| 公開(公告)號: | CN104504716A | 公開(公告)日: | 2015-04-08 |
| 發明(設計)人: | 李紹成;王寶金;馮磊;夏朝彥;鄭敏;鐘偉;呂普文 | 申請(專利權)人: | 廣州厚邦木業制造有限公司;南京林業大學;圣象集團有限公司 |
| 主分類號: | G06T7/00 | 分類號: | G06T7/00;G06N3/06 |
| 代理公司: | 南京經緯專利商標代理有限公司32200 | 代理人: | 許方 |
| 地址: | 511480廣東*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 bp 神經網絡 實木 地板 油漆 自動 配色 方法 | ||
技術領域
本發明涉及實木地板油漆配色領域,尤其涉及一種基于BP神經網絡的實木地板油漆自動配色方法。
背景技術
目前,國內實木地板的年產量為8000多萬平方米,而且隨著出口量的增加,年產量呈上升趨勢。由于各人喜好和偏愛不同,地板的顏色不是一成不變的,一般是按客戶的要求進行定制的。地板企業在得到用戶的油漆地板樣品后,油漆工藝師憑借個人經驗在主漆中添加色精,然后將該油漆的地板與樣品進行比較分析,進一步改變色精的比例,以得到滿足地板樣品顏色要求的油漆配方。由于色精相對主漆所占比例較小,其微量的變化都會產生較大的色差,因此,人工獲取地板的油漆配方需要較長的時間。為了進一步滿足地板顏色個性化需求,實現實木地板的高效生產,實木地板企業迫切需要實現實木地板油漆的自動化配色,并將已生產的地板及其配方進行信息化管理。
人工神經網絡是利用計算機模擬人腦的結構和功能的一種網絡模型,具有較強的非線性處理能力。BP神經網絡是一種按誤差逆傳播算法訓練的多層前饋網絡,具有自組織、自學習和自適應能力,是目前應用最廣泛的神經網絡模型之一。因此,本發明考慮建立BP神經網絡模型來實現實木地板油漆的計算機自動配色。
發明內容
本發明所要解決的技術問題是針對現有的實木地板油漆人工配色的不足,提供了一種基于BP神經網絡模型的實木地板油漆自動配色方法。
本發明為解決上述技術問題采用以下技術方案:
基于BP神經網絡的實木地板油漆自動配色方法,包含以下步驟:
步驟1),根據實木地板油漆中主漆與色精的構成及其比例范圍建立若干地板油漆配方,并對應各個地板油漆配方制作出各個油漆實木地板的樣本;
步驟2),計算出各個油漆實木地板樣本相對地板素板的顏色特征差值,建立樣本地板顏色特征差值與油漆配方的數據庫;
步驟3),建立BP網絡模型,使其輸入為地板顏色特征差值,輸出為地板油漆配方;
步驟4),將樣本地板顏色特征差值與油漆配方的數據庫中的數據輸入BP網絡模型中,對BP網絡模型進行訓練,直至BP網絡模型的網絡誤差小于等于預設的誤差閾值;
步驟5),提取出需要配色的油漆地板樣品的顏色特征差值;
步驟6),將需要配色的油漆地板樣品的顏色特征差值輸入BP神經網絡,得出其對應的油漆配方。
作為本發明基于BP神經網絡的實木地板油漆自動配色方法進一步的優化方案,所述步驟1)的詳細步驟如下:
步驟1.1),在主漆和紅、黑、黃三種色精中兩種色精比例確定的條件下,將另外一種色精比例在0到4%的范圍內,從0開始以0.3%遞增的方式形成各個油漆配方;
步驟1.2),針對每個油漆配方,分別制作地板底漆和面漆;
步驟1.3),將按照各個油漆配方制作的地板底漆和面漆按照先底漆后面漆的工藝順序對地板素板進行油漆;
步驟1.4),對各個油漆地板進行干燥處理,得到各個油漆實木地板的樣本。
作為本發明基于BP神經網絡的實木地板油漆自動配色方法進一步的優化方案,所述步驟2)的詳細步驟如下:
步驟2.1),在相同光線強度下對地板素板以及各個油漆實木地板的樣本進行拍攝;
步驟2.2),在各個拍攝的圖像上選擇可以全面反映地板顏色的區域,并分別計算其圖像顏色分量R、G、B的平均值,以獲得地板素板以及各個油漆實木地板樣本的顏色特征值;
步驟2.3),將各個油漆實木地板樣本的顏色特征值與地板素板的顏色特征值分別進行差值計算,得到各個油漆實木地板樣本相對地板素板的顏色特征差值;
步驟2.4),根據各個油漆實木地板樣本相對地板素板的顏色特征差值以及其對應的油漆配方、建立樣本地板顏色特征差值與油漆配方的數據庫。
作為本發明基于BP神經網絡的實木地板油漆自動配色方法進一步的優化方案,所述步驟3)中的BP網絡模型為三層BP網絡模型,其輸入層、隱含層、輸出層的神經元數目分別為3、4、4,隱含層神經元的激勵函數為S型函數,輸出層神經元的激勵函數為線性函數。
作為本發明基于BP神經網絡的實木地板油漆自動配色方法進一步的優化方案,所述步驟4)的詳細步驟如下:
步驟4.1),初始化輸入層與隱含層的權值wij、隱含層與輸出層的權值wjk、隱含層閾值aj、輸出層閾值bk、學習速率η和計算精度ε,其中,i=1,2,3;j=1,2,3,4;k=1,2,3,4;
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州厚邦木業制造有限公司;南京林業大學;圣象集團有限公司;,未經廣州厚邦木業制造有限公司;南京林業大學;圣象集團有限公司;許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410853890.0/2.html,轉載請聲明來源鉆瓜專利網。





